CityNet:用于城市计算前沿研究的综合性多模态城市数据集
人工智能
2024-04-11 v2
摘要
数据驱动的方法已成为应对城市计算挑战的流行工具。然而,当前的研究工作主要聚焦于有限的数据源,未能捕捉由多个实体及其相互关联所产生的城市数据的复杂性。因此,需要一个全面且多面的数据集以实现城市计算中更广泛的研究。在本文中,我们提出 CityNet,一个多模态城市数据集,它融合了来自七个城市的多种数据,包括出租车轨迹、交通速度、兴趣点(POI)、路网、风、雨、温度等。我们将这一综合数据划分为三类:移动性数据、地理数据和气象数据。我们首先详述了 CityNet 的生成过程与基本属性。此外,我们进行了广泛的数据挖掘与机器学习实验,包括时空预测、迁移学习和强化学习,以促进 CityNet 的使用。我们的实验结果为各类任务和方法提供了基准,并揭示了 CityNet 中城市间及任务间的内部关联,这些关联可被利用来提升时空预测性能。基于我们的基准结果及所揭示的关联,我们相信 CityNet 能够通过支持前沿主题的研究而显著贡献于城市计算领域。
引用
@article{arxiv.2106.15802,
title = {CityNet: A Comprehensive Multi-Modal Urban Dataset for Advanced Research in Urban Computing},
author = {Zhengfei Zheng and Xu Geng and Hai Yang},
journal= {arXiv preprint arXiv:2106.15802},
year = {2024}
}